专利名称：：一种用于猪肉胴体品质预测的方法
技术领域：
：本发明属于肉制品加工领域，具体是一种用于猪肉胴体品质预测的方法。
背景技术：
：猪胴体分级是指根据猪胴体的一些相关经济性状，人为的将其划分为不同的等级，并把不同的等级与猪胴体的市场收购价格联系起来，从而实现优质优价，促进本国商品猪品质的提高。国外有关猪胴体分级技术的研究己经有很长历史，胴体等级评定技术也已趋于完善，他们已经将这些技术应用于实践中，去指导饲养户养猪和肉类生产加工企业的购买和加工。然而，我国的猪胴体分级技术才刚刚起步，并没有一个全面的、完整的、系统的猪胴体等级评价体系，因此我们也就无法做到按质论价，优质优价，使得饲养户和屠宰户都不能合理的对其进行标准处理，从而使双方都蒙受了巨大的经济损失，相互之间的信任程度也降低了。早在二十世纪初世界各国就根据各自国情先后建立了自己的分级方法和标准。然而，每个国家和地区的分级标准也不尽相同，一般都依据肌肉发育程度、脂肪沉积状况、胴体重量等指标来判定。1988年我国建立了GB/T9959.1-88《带皮鲜、冻片猪肉》国家标准。并且此标准在2003年进行了修订，但各项指标和内容几乎没有调整。根据半胴体重量、背膘厚度以及屠宰加工要求将猪半胴体分为三个等级。严格的来说，此标准并非胴体分级标准，无论是所引用经济指标的适用性还是分级标准的可操作性都存在很大问题[7]。此标准的指标是八十年代末确定的，适用于我国当时的肉猪品种，而在十几年后的今天，我国的肉猪品种已经有了很大的改变，现有标准的经济指标类型和具体数值早己不适应目前的实际情况，根本无法再对猪胴体进行准确的评价。除此之外，我国原有的分级系统并不能与市场收购价格联系起来，因而也不能够促进我国的商品猪的优质化，刺激我国养猪业及猪肉屠宰加工业的发展。因此，制定适应我国当前状况能够准确评价我国商品猪的胴体分级标准并且建立一套完善的商品猪3胴体支付收购体系是目前的当务之急。目前市场对于鲜肉类制品的要求主要集中在瘦肉率、嫩度、外表美观程度、营养价值、产品一致性及"绿色"程度。我国是猪肉生产的大国，年产猪肉占世界猪肉总产量的50%左右，居世界第一位。但是我国商品猪的平均瘦肉率却只有50%，与一些畜牧业比较发达的国家相比还存在很大差距。其中很重要的一个原因就是我国的胴体分级体系极为落后，无论是分级技术的研究还是分级标准的建立都已远远落后于其它畜牧业发达国家。从而导致我国的生猪收购支付方式极不科学，并不能做到优质优价，不能促进商品猪痩肉率的提高。另一方面，瘦肉率的预测模型应该及时更新矫正。因为随着猪胴体背膘厚度在遗传上的减小必将引起组织分配上的改变，从而使以往建立的回归方程并不适合现有的群体[25]。再次，由于超声波全胴体技术的逐渐成熟，对于各主要优势分割肉块的瘦肉率测定成为了现实。和单纯测定瘦肉率和胴体重相比，在线估测胴体主要分割肉块的瘦肉率是十分有价值的，这样就能为以分割肉不同肉块价格为基础的分级方式打下良好的基础。
发明内容本发明的目的是提供一种用于猪肉胴体品质预测的方法，具体建立新的瘦肉率的预测模型，以适合现有的群体。所说的用于猪肉胴体品质预测的方法，其特征在于，瘦肉率预测方程是"66.914+0.0682x广0.6789x9或y=57.742-0.5871x7+0.2023xi0或y=56.806-0.1054Xl-0.5316X7+0.3029Xl();其中y是瘦肉率(％)，x!是热胴体重(kg);&是腰荐膘厚(mm);X9是F6(mm);xio是M13(mm)。本发明所说的方法建立了3个能够准确预测猪胴体瘦肉率的回归方程，并且通过商品猪的生理性状的测量，对原有预测模型进行了验证，提高了预测模型的准确性。图1是背膘分布示意图图2是方程5的标准化残差分布散点图图3是方程6的标准化残差分布散点图图4是方程7的标准化残差分布散点图4图5是方程5的预测值与实测值效果6是方程6的预测值与实测值效果7是方程7的预测值与实测值效果图具体实施方式实施例1、商品猪各胴体性状的基本统计量表1表明，商品猪胴体平均瘦肉率为(56.42±7.03)%，平均热胴体重为(58.49±9.62)kg;商品猪的平均膘厚在(19.47±6.94)mm与(36.69±8.41)mm之间。图1(不含913肋最薄膘厚)表明背膘先逐渐变薄，此后又开始逐渐增厚至X位置，在X与腰荐区域膘厚先下降后增大；各测量点中颈胸结合处的背膘最厚，最薄处为9~13肋之间的位置。但总体来讲，沿着脊椎骨方向(第一块胸椎到荐椎)其膘厚有下降的趋势。所测M肉厚的平均值为(59.01±7.50)mm。表1胴体性状的基本统计量<table>tableseeoriginaldocumentpage5</column></row><table>注表中a是参考r口本猪半胴体分级标准中所测量的位置；b是参考了欧盟分级手段中一种ZP技术所采用的两个指标；'是参考加拿人猪胴体产量分级标尺所测量的位置。2、商品猪胴体性状间相关性分析表2表明，所测9点的膘厚与胴体瘦肉率之间存在极强的负相关(户O.OOOl)。其中，与胴体瘦肉率相关性最强的是F位置膘厚(达-0.90353)，其次是腰荐膘厚和34肋膘厚(分别为-0.卯045、-0.84692)。9~13肋最薄膘厚及X位置膘厚[41与胴体瘦肉率之间的相关性分别为-0.8151和-0.789;热胴体重与瘦肉率之间相关性显著(尸<0.05)，与其它性状间存在极强的正相关(户<0.0001，其中与M处的相关性最强，达0.59817),M处厚度与瘦肉率呈极显著正相关(户O.OOOl)。各自变量中背膘与背膘之间存在极强的正相关(尸<0.0001);M与背膘之间的相关系数较小，除与末肋膘厚间相关性不显著外，与其它膘厚之间都存在显著性相关(^<0.05)。表2商品猪胴体性状间的表型相关系数、瘦肉率y热胴体運颈胸^3-4"〗x]6"7助x4倒数34助末肋X6腰荐X7913最蹄1.00000-0.11335*-0.83072***-0.S4692***陽0.82926"'.0.83666***■079709*"扁0細45***-0.8151***-0.90353***0.48480***-0.789=***、1.0,00.34"01***0.35913*0.41482"*0.255O4***0,36839*"0.2748*"0.洲7"*0.40338*"1.000000.90137'**0.84501***O.S3317'**1.000000.89175*0.87981，"0.872W*086223***-0.1896**0.83349*"l細OO0扁58*0細56"*0.87275***08,6"*085446***-0—15935**1細0C0.94168***0.88667一095453*"0,8648***-0.13966*0.87661"*.000000.87815'**0.94531***0細95***-O.O柳l0—89516*"x7l細OO0.88188***0.9S99*"-0.29893*"1細OO0.8632*'*-0.12302*Fg1CJOOOO-0.30544*"l扁OO-0.107391.000003、商品猪胴体瘦肉率预测方程的比较采用SAS线性回归中的112选择法(R-square)确定最佳预测因变量的不同自变量个数的子集(考虑到实际可操作性，子集中最多包含3个需要直尺测量的自变量)，然后应用全回归模型(Fullmodel)对不同的自变量进行回归分析，从中挑选具有统计学意义(模型及偏回归系数都具有统计学意义)且有代表性的模型进行比较(表3)。以67膘厚(X4)为因变量的简单方程的拟合度(判定系数R2)为0.6877,RMSE为3.93548(方程l);一元线性模型中最佳模型为方程4,其W为0.8164，RMSE为2.75751:只需直尺测量一点背膘厚所得的二元回归模型中最佳模型是方程5(R2=0.8259，RMSE=2.68943);需直尺测量2点所得的最佳二元回归模型为方程6(R2=0.8651，RMSE=2.36706);在直尺测量2点的基础上方程中含有热胴体重变量的最佳模型为方程7，其R2为0.8753，RMSE为2.27971。表3的所有回归方程中，方程中的变量个数越多，其RZ越大，RMSE越小；方程10、11、12、13的预测效果要优于上述预测模型，其模型的准确度和精确度都很高，但实际应用时会增加操作难度。若按照欧共体猪胴体分级标准中关于痩肉率估测公式R2>0.64和RMSE<2.5的要求[5"方程l、2、3、4、5不满足其要求，其它方程均符合。虽然3点测量所得的预测模型(方程IO、11、12、13)要优于2点测量所得的预测模型，考虑到实际应用时会额外增加劳动量，比较费时费力，因此在选择较好模型时暂不考虑用直尺测量3个指标的方6程。结合中国目况，在实际应用方自变量前的养猪业现状和各屠宰场规模、设备、技术水平等差异较大的实际情时建议釆用方程5、6、7三个模型对胴体痩肉率进行预测并划分等级。表3估测猪胴体瘦肉率的各回归方程的比较回归模型决定系数校正决定系数Adj.R2RMSEa0.68770.68673.935480.81080.81023.063010.82530.82422.948160.81640.81582.757510.82590.82472.689430.86510.86422.367060.87530.87412.279710.86450.86362.372980.87420.87292.290130.89050.88942.136430.89530.89392.092690.88900.88792.150580.89440.89302.10180891011123x4x7X、Xx9Xi、x9x7、xl0xl、^7、x10X9、x10Xi、X9、X10x2、x9、x10Xi、X2、Xq、Xiox2、X7、x10xl、&、x7、x10y=76.014-0.6766x4y=70.977-0.6616x7y=66.172+0.0909x「0.6849x7y=70.5-0.6585x9y=66.914+0,0682x广0.6789x9y=57.742-0.5871x7+0.2023x10y=56.806-0.1054xr0.5316x7+0.3029x10y=57.822-0.6073x9+0.1973x10y=56.885-0.1032x!-0.5507x9+0.2964x10y-61.94-0.2173x2-0.4438x9+0.2044x10y:60.928-0.0738x「0.1993x2-0.4169x9+0.2747y=61.716-0.2112x2-0.4323x7+0.2083x10y=60.665-0.0776x'-0.192x2-0.4055x7+0.2819_xio_a均方误差的平方根，为误差项标准差的估计。4、回归模型的诊断将试验所收集的各测试猪相应数据分别代入回归方程5、6、7进行回归诊断。方程5表明，305头试验猪中只有16头猪的标准化估计残差大于2，且试验猪总体的平均误差项标准差的估计为2.68943，证明此回归模型具有较高的精确性；图2说明残差分布是完全随机的，确定的回归方程没有违反方程齐性、误差项不相关的假设理论，而且分布图中87.2%的试验点落在(-1.5，1.5)之间，说明所得的二元线性回归模型是可靠的，其估测结果较为准确；通过CookD检验发现22个有影响的试验点，说明可能还存在能更好的拟合此数据的模型，也可能是异常观测点，可能需要收集更多的数据以确认被有影响观测提供的关系；共线性诊断表明，方差膨胀因子(VIF)小于10，说明自变量之间不存在共线性，所得模型是稳定的。方程6表明，305头试验猪中只有15头猪的标准化估计残差大于2，且试验猪总体的平均误差项标准差的估计为2.36706，证明此回归模型具有较高的精确性；图3说明残差分布是完全随机的，确定的回归方程没有违反方程齐性、误差项不相关的假设理论，而且分布图中86.2%的试验点落在(-1.5，1.5)之间，说明所得的二元线性回归模型是可靠的，其估测结果较为准确；通过CookD检验发现17个有影响的试验点，说明可能还存在能更好的拟合此数据的模型，也可能是异常观测点，可能需要收集更多的数据以确认被有影响观测提供的关系；共线性诊断表明，方差膨胀因子(VIF)小于10，说明自变量之间不存在共线性，所得模型是稳定的。方程7表明，305头试验猪中只有13头猪的标准化估计残差大于2，且试验猪总体的平均误差项标准差的估计为2.27971，证明此回归模型具有较高的精确性；图2-4说明残差分布是完全随机的，确定的回归方程没有违反方程齐性、误差项不相关的假设理论，而且分布图中88.5%的试验点落在(-1.5，1.5)之间，说明所得的多元线性回归模型是可靠的，其估测结果较为准确；通过CookD检验发现19个有影响的试验点，说明可能还存在能更好的拟合此数据的模型，也可能是异常观测点，可能需要收集更多的数据以确认被有影响观测提供的关系；共线性诊断表明，方差膨胀因子(VIF)小于10，说明自变量之间不存在共线性，所得的模型是稳定的。5、回归模型的准确性检验为了验证所得上述3个回归模型能否准确预测江苏及周边地区商品猪的瘦肉率，在淮安生产加工基地随机选取110多头猪胴体进行测量和分割。表4是实测值与估测值(方程5、6、7的估计值)的基本统计量。方程5经2样本的t检验表明t=0.055,P=0.9565>0.05;方程6经2样本的t检验表明t=0.249，P=0.8037>0.05;方程7经2样本的t检验表明t=0.341，P=0.7336>0.05。说明上述3个模型预测的平均估测值与平均实测值间的差异不显著，所得3个模型的预测准确度较高，方程可靠。图5、6、7更加直观的反映了三个模型的预测值对实测值的效果图。表4实测值与估测值的基本统计量样本量N平均值Mean标准差S.D最小值Min最大值Max实测值11856.706.1339.5671.93估测值(方程5)11856.636.5035.4667.69估测值(方程6)11856.416.1536.8066.72估测值(方程7)11856.306.1636.8767.29权利要求1、一种用于猪肉胴体品质预测的方法，其特征在于，瘦肉率预测方程是y＝66.914+0.0682x1-0.6789x9或y＝57.742-0.5871x7+0.2023x10或y＝56.806-0.1054x1-0.5316x7+0.3029x10；其中y是瘦肉率(％)，x1是热胴体重(kg)；x7是腰荐膘厚(mm)；x9是Fb(mm)；x10是Mb(mm)。全文摘要本发明属于肉制品加工领域，具体是一种用于猪肉胴体品质预测的方法。所说的用于猪肉胴体品质预测的方法，其特征在于，瘦肉率预测方程是y＝66.914+0.0682x<sub>1</sub>-0.6789x<sub>9</sub>或y＝57.742-0.5871x<sub>7</sub>+0.2023x<sub>10</sub>或y＝56.806-0.1054x<sub>1</sub>-0.5316x<sub>7</sub>+0.3029x<sub>10</sub>；其中y是瘦肉率(％)，x<sub>1</sub>是热胴体重(kg)；x<sub>7</sub>是腰荐膘厚(mm)；x<sub>9</sub>是F<sup>b</sup>(mm)；x<sub>10</sub>是M<sup>b</sup>(mm)。本发明建立了3个能够准确预测猪胴体瘦肉率的回归方程，并且通过商品猪的生理性状的测量，对原有预测模型进行了验证，提高了预测模型的准确性。文档编号G01N33/02GK101477101SQ200810019350公开日2009年7月8日申请日期2008年1月4日优先权日2008年1月4日发明者周光宏,楠张,徐幸莲,李业国申请人:江苏省食品集团有限公司